夏秋时节是北京平谷大桃丰收的季节。往年这个时候，桃农刘连全和老伴忙得直不起腰，但今年他却悠闲地站在桃林里，笑眯眯地看着一台机器帮自己挑选桃子。

一筐大桃从一端倒入，传送带托着桃子经过一个黑色的暗盒，再出现时，另一端的机械手臂就准备好了，有的桃会被第一个机械手推下传送带，掉到事先准备好的筐里，有的桃会被第二个机械手推下，还有的桃要一直传送到最后一个机械手前面才结束“旅途”。

整个分桃过程看似杂乱无章，但只要看筐里的桃就会明白，第一筐最大最红，第二筐其次，第三筐明显个头要小得多。这台机器就是北京工业大学4名学生为桃农们开发的“人工智能分桃机”。

“上次我们来采摘桃子，得知桃子是一种季节性很强的水果，刘大爷凌晨2点就起床，摸黑摘桃，趁着天亮再分成一类果、二类果，卖给等在桃林边上的收购商。只要过了时候，桃子的品质和卖相就会打折扣，卖不上好价钱。”“人工智能分桃机”团队负责人周忠祥告诉记者，当时他们就琢磨，能不能开发出一种机器，帮桃农们分拣桃子。

桃农们的桃子只分大中小三档，但周忠祥团队决定按照大小、颜色、光泽度等多个标准，为桃子分出更精细的档次，运用人工智能技术真正实现“桃脸识别”。

想法有了，但周忠祥、刘雪峰、朱明君这3名同学和来自肯尼亚的西蒙对人工智能技术并不熟悉。在查询比较之后，他们发现百度PaddlePaddle是一个免费的中文深度学习开源平台，有现成的分类模型。也就是说，只要有足够量的桃子图片数据，PaddlePaddle就能对应训练桃子的分类模型，最终达到鉴别桃子档次的目的。

刘连全免费给学生提供了桃子，并将桃子按照大小、颜色、品相分了3类。周忠祥团队为这些桃子重复拍照，得到6400张3类桃子的照片数据，利用PaddlePaddle提供的分类模型开展训练。只用了24小时，机器就能识别出桃子的大中小，准确率达到90%。

核心技术问题解决后，周忠祥团队制作出样机，搬到刘连全的桃林里测试。“比我雇的人选得快，不过比我还差一点。”刘连全评价说。他已经种了40年桃，看一眼就知道是什么品种，手一掂就知道斤两。因为年纪大了，刘连全每年都要雇四五个人摘桃，工钱近3万元，但经验不足的新手选桃效果并不好。

现在有了这台分桃机，刘连全觉得省事多了，“把桃子倒进去，机器就给分好了”。围观的桃农们兴奋地问：“苹果能分不？”“西瓜能分不？”“李子呢？”

“理论上来说，只要有足够的训练图像，大到一个瓜，小到一粒米，机器都能识别分类。”周忠祥解释说，“只是要根据不同品种，建立不同的识别模型，并加以训练”。西蒙期待这次的成果能够引入自己的家乡非洲，实现牛油果、芒果等更多品类果蔬的智能分拣。

刘雪峰告诉记者，为了更好地帮助农民，他们已将分桃机的所有方案和源代码分享到了GitHub开源社区，“我们希望有更多人去迭代这些代码，不断提升方案品质，也希望有更专业的农机厂家介入，批量生产出效率更高、更好用的蔬果分拣机”。